路径规划技术是现代移动导航的核心技术之一，其重要性在近年的研究中不断增加。路径规划问题可定义为在一个存在障碍物的环境中寻找到一条从起点到终点的合适路径，且在过程之中需满足安全无碰撞、时间或路程代价最小等标准。路径规划应用范围较为广泛，例如：基于地理信息系统的道路规划、基于全球定位系统的导航、无人飞行器、机器人寻路等等。　　智能仿生算法是一种从仿生学角度出发，模拟生物行为构建模型解决问题的计算方法，其特点是处理速度快，具有并行性、鲁棒性等，可以根据不同算法特性解决复杂的问题。生物地理学优化算法(Biogeography-Based Optimization,BBO)属于近年来相对热门的智能仿生算法之一，其通过概率选择信息进行迁移操作以及变异操作，使算法在搜索全局最优解的过程中具有较好的收敛性和稳定性，在作业调度、交通运输、图像处理等各类优化问题中都有出色的表现。　　本文主要通过以下方法改进生物地理学优化算法并应用到路径规划的应用中。通过研究发现，在BBO算法的后期阶段，物种的多样性将会降低，这会直接导致收敛速度下降以及易陷入局部最优解的问题。故在本文中对BBO算法进行如下优化：首先，在迁移操作中引入了与更新代数相关的自适应迁移算子，在随机的扰动半径中产生新的信息，从而产生更强的全局搜索能力；其次，将适合的差分进化模型融合到变异操作中，增强种群中物种的多样性；最后，系统中采用余弦迁移模型，该模型最接近自然界中的实情，可以提高算法性能。在环境建模中采用坐标降维和障碍物数量确定路径点的方法，描述相应的适应度函数，将改进的算法应用到地图环境中进行仿真，并与相似算法比较，表现出本文算法的实时性、稳定性以及较高的规划效率。